自動巡檢機器人故障檢測系統(tǒng)*

陳 濤

（湖南機電職業(yè)技術(shù)學(xué)院，湖南 長沙 410151）

自動巡檢機器人應(yīng)用的核心主旨在于提升各工業(yè)生產(chǎn)領(lǐng)域的巡檢效率，傳統(tǒng)模式下的人工巡檢模式已經(jīng)無法滿足當(dāng)前時期的發(fā)展需求，自動巡檢機器人已經(jīng)逐漸成為核心的巡檢方式手段。而其中故障檢測系統(tǒng)則是自動巡檢機器人的核心部件，構(gòu)建趨于完善化的功能模塊，可以幫助相關(guān)工作人員獲得清晰的故障圖片，保證故障檢測工作的效率。

1 自動巡檢機器人概述

1）自動巡檢機器人的主要部件包括主控系統(tǒng)、車載蓄電池、循跡和定位模塊以及電機等。其中為保障自動巡檢機器人可以長時間處于穩(wěn)定運行狀態(tài)下，在挑選動力電池時要尤其考慮到安全性能與使用生命周期，動力來源可以優(yōu)先考慮航模電池。自動巡檢機器人的核心環(huán)節(jié)之一在于定位與循跡，這是它非常關(guān)鍵的模塊，所采取的方式可以為RFID和地磁相結(jié)合的模塊檢測手段。電機選擇應(yīng)用是否得當(dāng)，關(guān)乎自動巡檢機器人的控制，可采取伺服電機[1]。

2）自動巡檢機器人的巡檢方式大體分為兩種，一為激光方式，具體來說，是通過對外發(fā)送激光信號，以信號接收時間差來計算出具體距離，依據(jù)激光發(fā)射角度來明確物體與發(fā)射器的具體角度，進而得到準(zhǔn)確的相對位置。該方式在實際應(yīng)用的過程中需借助于眾多數(shù)量的反光柱，若反光柱遭受遮擋，則自動巡檢機器人無法正常運轉(zhuǎn)，可靠性難以保障，需要投入較多的運行維護成本。二為地磁感應(yīng)巡線方式，通過利用磁感應(yīng)傳感器或霍爾傳感器所埋設(shè)的磁條磁性，確保自動巡檢機器人可以遵循之前埋設(shè)好的路徑來行進，該巡檢方式相比于激光方式，穩(wěn)定可靠性更強，出現(xiàn)跑偏情況的概率較低，后續(xù)需投入的運行維護成本也較低。

3）自動巡檢機器人在硬件選取層面上要十分注意，以便后續(xù)可以更加順利地開展故障檢測系統(tǒng)優(yōu)化設(shè)計工作。主控系統(tǒng)中的開發(fā)板芯片有著優(yōu)越的代碼執(zhí)行效率，邏輯執(zhí)行速度快，應(yīng)用在不同的工作場所時，其外設(shè)功能表現(xiàn)較好。自動巡檢機器人的底盤是保障其可以平穩(wěn)運動的關(guān)鍵，所以它要與機器人的循跡定位方式相一致，選擇應(yīng)用兩層設(shè)計方式，這樣有助于在有限的空間內(nèi)承載更多數(shù)量的模塊。底盤要與地面有一定的距離，以保持穩(wěn)定的行駛狀態(tài)，主要材質(zhì)為亞克力，便于后續(xù)的配件打孔安裝與拓展。應(yīng)用升級版的直流電機，也就是伺服電機，提高可控性的精準(zhǔn)化程度，自如地處理好轉(zhuǎn)彎問題，可以遵循預(yù)先鋪設(shè)好的軌跡開展巡檢工作[2]。

2 自動巡檢機器人故障檢測方法與系統(tǒng)構(gòu)成單元

2.1 故障檢測方法

自動巡檢機器人最為核心的設(shè)計在于故障檢測方法設(shè)計，傳統(tǒng)模式下的故障診斷方法是基于數(shù)據(jù)驅(qū)動與數(shù)學(xué)模型的方法，隨著我國對計算機技術(shù)的深層次研究以及硬件設(shè)備逐漸趨于成熟化，這種以經(jīng)驗為主的故障診斷方法已經(jīng)難以發(fā)揮成效。以物理數(shù)學(xué)模型為基礎(chǔ)的故障診斷方法雖然得到了普遍應(yīng)用，但它主要建模分析某單一問題，對故障問題所含有的潛在關(guān)聯(lián)容易忽略，只依賴于獨立的參數(shù)指標(biāo)難以全面地分析出故障問題產(chǎn)生的根本成因。在計算機技術(shù)的支持下，大量數(shù)據(jù)驅(qū)動故障診斷方法成為自動巡檢機器人故障檢測與診斷的方法?，F(xiàn)階段的自動巡檢機器人故障檢測與診斷方法主要包括定性分析和定量分析，后者又可以細化分為基于解析模型的方法和數(shù)據(jù)驅(qū)動方法，前者則由定性仿真、專家系統(tǒng)與圖論方法所組成。筆者所研究的自動巡檢機器人故障檢測系統(tǒng)創(chuàng)新性地采取了無控制條件下的自動常規(guī)檢測和特殊條件下的遠程控制相結(jié)合的控制方法，以此來解決某區(qū)域網(wǎng)絡(luò)狀況不夠良好且通信費用較高昂的問題。自動巡檢機器人會在特定的時間與路線條件下到達指定位置開展巡檢工作，以視覺算法的方式來判別工作狀態(tài)。若工作處于正常狀態(tài)下，則將檢測結(jié)果保存至本地；若出現(xiàn)已知的故障問題，則第一時間將該故障類型回傳至遠程主機；若非常見的故障問題，故障檢測系統(tǒng)則迅速切換至遠程操控狀態(tài)，由相關(guān)工作人員來操控自動巡檢機器人，以此得到更為清晰化的故障圖片[3]。

2.2 故障系統(tǒng)構(gòu)成單元

筆者所設(shè)計的自動巡檢機器人故障檢測系統(tǒng)具有智能化與良好適應(yīng)性的優(yōu)勢，此系統(tǒng)可以分析巡檢人員所具有的專業(yè)知識與經(jīng)驗，對常出現(xiàn)故障問題的區(qū)域以及常見的故障類型加以總結(jié)歸納。以此為基礎(chǔ)，采樣故障樣例，制備出對應(yīng)的故障原型，設(shè)定自動巡檢機器人的巡檢線路檢測點為易出現(xiàn)故障位置。自動巡檢機器人在自動導(dǎo)航和定位功能的作用下，巡邏工作沿著巡檢路線穩(wěn)步推進，可以停留在巡檢點位開展指定區(qū)域檢測，判別其工作狀態(tài)。因為各工業(yè)領(lǐng)域設(shè)備可能會出現(xiàn)故障問題的位置較多，對設(shè)備的拍攝采樣采取固定相機方式，沒有自動巡檢機器人的靈活度高，當(dāng)面對突發(fā)問題時，工作人員可以通過遠程操作自動巡檢機器人的方式來獲得故障位置的高清照片。在生產(chǎn)環(huán)境較為惡劣的工業(yè)領(lǐng)域，通信條件不夠良好，實時回傳遠程視頻信息所需的通信成本高昂，還會伴隨著出現(xiàn)一定的時延情況，適用性表現(xiàn)較差。為了能夠從根本上解決這一問題，所設(shè)計的自動巡檢機器人故障檢測系統(tǒng)，首先在遠端邊緣設(shè)備上先行處理機器人回傳的圖片，若設(shè)備處于正常工作狀態(tài)，或所出現(xiàn)的故障問題為已知常見故障，則只需將此故障狀況文字信息傳送至遠程控制端。這種先行處理邊緣設(shè)備信息的方式，可以很好地把控通信成本，也提升了自動巡檢機器人故障檢測系統(tǒng)處于惡劣通信條件下的魯棒性。該系統(tǒng)處于正常工作運行狀態(tài)下的絕大多數(shù)時間為完全自主運行，不需要人工進行操作。自動巡檢機器人故障檢測系統(tǒng)的具體工作流程為建圖、設(shè)定檢測點位、自動巡檢和狀態(tài)檢測[4]。

3 自動巡檢機器人故障檢測系統(tǒng)功能模塊

自動巡檢機器人故障檢測系統(tǒng)功能模塊主要集中在三大部分，分別是邊緣設(shè)備模塊、機器人模塊與軟件模塊，各個模塊所承擔(dān)的功能作用有所不同，邊緣設(shè)備模塊負責(zé)控制機器人與檢測設(shè)備狀態(tài)，機器人模塊負責(zé)移動至指定位置來拍攝捕捉待檢測點位照片，軟件模塊則涵蓋機器人建圖、狀態(tài)檢測算法和導(dǎo)航算法，邊緣設(shè)備中部署了大量的算法。在自動巡檢機器人故障檢測系統(tǒng)處于工作狀態(tài)下時，第一要利用邊緣設(shè)備所部署的建圖算法來開展掃描工作環(huán)境與建圖工作，第二調(diào)動邊緣設(shè)備中的導(dǎo)航算法使得機器人可以精準(zhǔn)到達指定點位，獲得待檢測位置圖像照片，且同步進行存儲，以便后續(xù)的狀態(tài)檢測算法可以使用。檢測算法依據(jù)機器人所拍攝的圖像來判別系統(tǒng)工作狀態(tài)，同步回傳判別結(jié)果至遠程主機，由判斷結(jié)果來合理選擇遠程操作狀態(tài)。

3.1 邊緣設(shè)備模塊

自動巡檢機器人故障檢測系統(tǒng)所應(yīng)用的移動機器人為Turtlebot3，軟件系統(tǒng)平臺為ROS，機器人控制和圖像處理部分設(shè)定為NVIDIA Jetson Nano。設(shè)定系統(tǒng)的邊緣設(shè)備模塊，也就是Turtlebot3控制模塊可以從NVIDIA Jetson Nano和樹莓派中來挑選。因為邊緣設(shè)備既要把控機器人的移動趨勢，又要綜合考慮檢測算法判斷設(shè)備運行狀態(tài)的成效，因此尤其要關(guān)注算力問題。將邊緣設(shè)備模塊的核心板設(shè)置為Jetson Nano，它的顯著優(yōu)勢在于含有128核Maxwell架構(gòu)的GPU和A57的CPU。通過采取科學(xué)合理的方法使得網(wǎng)絡(luò)執(zhí)行效率有所提升，從模型實驗所表現(xiàn)的幀率可以看出，它可以在移動場景下發(fā)揮出優(yōu)越性能，且有著深度的學(xué)習(xí)表現(xiàn)[5]。

3.2 機器人模塊

Turtlebot3作為自動巡檢機器人故障檢測系統(tǒng)中機器人模塊的移動機器人，它可以實現(xiàn)自主建圖、定位與導(dǎo)航等工作，在陌生的工作環(huán)境下也有著突出的工作表現(xiàn)。Turtlebot3上方可以設(shè)定多類型的傳感器，包括但不限于溫度傳感器、攝像頭與音頻傳感器等，在各傳感器的優(yōu)良作用下，利于高質(zhì)量地完成各項指標(biāo)檢測工作，機器人模塊的設(shè)計核心集中在視覺層面的故障診斷。由于自動巡檢機器人所處的工作空間可能面臨較為狹窄的環(huán)境條件，所以取代Turtlebot3原本帶有的普通輪胎，優(yōu)先使用麥克納姆輪，該輪胎突破了傳統(tǒng)機械結(jié)構(gòu)弊端，促使車輪的移動方式轉(zhuǎn)變成可以全方位自主移動的嶄新模式，即使在狹小的空間條件下仍可以發(fā)揮出良好作用。

Turtlebot3隸屬于一種普遍的機器人模型，在仿真環(huán)境中有著相應(yīng)的模型，細化使用的巡檢機器人類型為Waddle-pi，在其原有的設(shè)計參數(shù)基礎(chǔ)上進行了改裝，使其在特殊工作環(huán)境下的適應(yīng)性更加顯著。Turtlebot3的原廠雷達為激光雷達，量程在12 cm~35 cm的區(qū)間范圍內(nèi)，分辨率在1.5 cm上下浮動，因為巡檢機器人的定位精準(zhǔn)度關(guān)乎狀態(tài)診斷準(zhǔn)確性，所以在進行自動巡檢機器人故障檢測系統(tǒng)設(shè)計時，應(yīng)用了精確化程度更高的AI激光雷達，其測量半徑為15 cm~1 200 cm，采樣頻率可以達到8 K。從測量距離精度層面上來說，在3 m區(qū)間范圍內(nèi)可以實現(xiàn)測量距離與實際距離誤差為1%，3 m~5 m為2 %，5 m~12 m為2.5%。由此可以看出，與原始狀態(tài)下的激光雷達對比來說，它的掃描速度與精準(zhǔn)度更高。在Waddlepi上所應(yīng)用的深度相機型號為Astra Pro，它包括三種分辨率，可以在三維重建和SLAM中發(fā)揮作用，當(dāng)其核心板和USB處于連接狀態(tài)下時，能夠在Rviz中呈現(xiàn)出深度相機的點云圖[6]。

3.3 軟件模塊

軟件模塊是自動巡檢機器人故障檢測系統(tǒng)的重中之重，它大體可以分為掃描建圖、定位導(dǎo)航和狀態(tài)檢測三大部分。掃描建圖負責(zé)將周邊的環(huán)境條件轉(zhuǎn)化成地圖形式，并且實現(xiàn)同步存儲；定位導(dǎo)航是借助于地圖和激光雷達的作用來準(zhǔn)確判別出自己所處位置，之后再導(dǎo)航到特定區(qū)域；狀態(tài)檢測是以深度相機所回傳的畫面為基礎(chǔ)，來對發(fā)電機的運行狀態(tài)加以判斷。經(jīng)過掃描后所創(chuàng)建的地圖需設(shè)定三個目的點位，由此將發(fā)電機組的待檢測模塊模擬出來，再利用深度相機開展發(fā)電機組狀態(tài)檢測工作。

從掃描建圖層面上來說，將ROS包提供節(jié)點調(diào)用文件形式來對地圖妥善存儲，在yaml文件中包含存儲路徑、原點和分辨率等重要參數(shù)。當(dāng)?shù)貓D處于打開狀態(tài)時，利用相關(guān)計算命令來調(diào)動激光數(shù)據(jù)包中的數(shù)據(jù)，在粒子濾波算法作用下進行地圖構(gòu)建，用鍵盤來精準(zhǔn)控制自動巡檢機器人的移動路線，同時Rviz中會實時顯示已經(jīng)掃描完成的部分，確保機器人只需要掃描一遍環(huán)境就可以得到完整的地圖。

從定位導(dǎo)航層面上來說，借助于ROS的amcl包可以完成移動機器人定位工作，它具有自適應(yīng)功能，通過蒙特卡羅定位手段和粒子濾波器來對機器人姿態(tài)加以跟蹤。導(dǎo)航功能的實現(xiàn)可以細化分為全局路徑規(guī)劃和本地實時規(guī)劃，前者指的是以給定的目標(biāo)點位為基礎(chǔ)來開展總體路徑規(guī)劃工作；后者則借由周邊的障礙物來統(tǒng)籌規(guī)劃躲避路線。只要系統(tǒng)可以獲得目的地坐標(biāo)，就可以在move-base包的作用下實現(xiàn)自動路徑規(guī)劃與躲避，最終按時到達指定點位[7]。

從狀態(tài)監(jiān)測層面上來說，該系統(tǒng)是以設(shè)計孿生網(wǎng)絡(luò)的方式來開展故障檢測工作。孿生網(wǎng)絡(luò)設(shè)計是立足于構(gòu)建端至終端的特征，其優(yōu)勢在于可以將單元學(xué)習(xí)和特征匹配歸納成具有聯(lián)動學(xué)習(xí)特點的網(wǎng)絡(luò)，只需要借助少量的樣本就可以促使網(wǎng)絡(luò)的自我學(xué)習(xí)能力有所提升。提取孿生網(wǎng)絡(luò)主干網(wǎng)絡(luò)功能特征，將其應(yīng)用在多樣化的神經(jīng)網(wǎng)絡(luò)當(dāng)中，自動巡檢機器人故障檢測系統(tǒng)所使用的神經(jīng)網(wǎng)絡(luò)為VGG16。提取孿生網(wǎng)絡(luò)的主要結(jié)構(gòu)特點，將之運用于更多樣化的神經(jīng)網(wǎng)絡(luò)當(dāng)中，自動巡檢式智能機器人及故障監(jiān)測系統(tǒng)所采用的神經(jīng)網(wǎng)絡(luò)就是VGG16。當(dāng)圖片在經(jīng)過雙主干的特征提取后，將能夠同時獲得多維特征向量，并通過flatten方法將其平鋪并整合形成一維向量，當(dāng)存在雙支路網(wǎng)絡(luò)結(jié)構(gòu)之后，從網(wǎng)絡(luò)輸出的終端圖將能夠得到兩個一維特征向量，并通過測量二者之間的相對位置，以此獲得圖片相似度[8]。

4 自動巡檢機器人故障檢測系統(tǒng)相關(guān)實驗分析

為了驗證自動巡檢機器人故障檢測系統(tǒng)的優(yōu)化設(shè)計是否合理，還要有針對性地開展相關(guān)實驗分析。自動巡檢機器人的導(dǎo)航建圖環(huán)節(jié)在Gazebo中構(gòu)建仿真情況，因為Gazebo為開源機器人仿真工具，涵蓋多樣化的經(jīng)典機器人模型，Turtlebot3是其中一種。從自動巡檢機器人故障檢測系統(tǒng)的狀態(tài)檢測算法層面上來看，對其所開展的實驗分析就是將常規(guī)方法和孿生網(wǎng)絡(luò)進行對比，主要的常規(guī)方法為三直方圖、均值哈希算法、感知哈希算法、單通道直方圖和差值哈希算法。同時，還從由少到多的樣本數(shù)來比較孿生網(wǎng)絡(luò)和經(jīng)典識別算法間的性能，觀察小樣本情況表現(xiàn)。采取聯(lián)合判斷方法，當(dāng)哈希算法的值越小，則意味著相似度越高，而三直方圖和單通道直方圖的值越大，則有著越高的相似度。為了實現(xiàn)量級的統(tǒng)一，則需要將哈希算法的數(shù)值除以64，使其取值可以集中在0~1區(qū)間內(nèi)，由該數(shù)值與1的差值就可以得到直方圖方法的一致單調(diào)性，當(dāng)5種手段中包括3種及以上方法相似度超過0.5，則表明檢測的兩張圖片為一類圖片[9]。

自動巡檢機器人故障檢測系統(tǒng)若只是單獨地使用傳統(tǒng)方法開展檢測工作，其正確率表現(xiàn)較差，采取融合方法手段，雖然正確率有了一定的提升，但是仍不高。而應(yīng)用孿生網(wǎng)絡(luò)的方式，即使在只有低于40張訓(xùn)練樣本的條件下，正確率仍可以達到95%，由此能夠看出，該方法的表現(xiàn)更為優(yōu)越。系統(tǒng)選擇應(yīng)用單通道直方圖的方式，整體表現(xiàn)較差，根本原因在于此方法對圖像相似度的判斷是立足于灰度圖像的灰度具體分布值，對圖像中的具體內(nèi)容并沒有涉及。也就是說，在該方法下，有著接近的灰度分布、但內(nèi)容并不相關(guān)的圖像也可以取得較高相似度。三方通道直方圖與單通道直方圖有著一定的相似性，不同的地方在于，它比較的是HSV空間分布情況，但選擇應(yīng)用該方法仍會存在圖片誤判情況。

自動巡檢機器人故障檢測系統(tǒng)實驗測試采取支持向量機方法，在樣本數(shù)較少的條件下時，它有著較高的正確率，當(dāng)樣本數(shù)量有所增加后，其正確率則會被孿生網(wǎng)絡(luò)迅速趕超。支持向量機之所以可以在小樣本條件下有著良好表現(xiàn)，是由該算法的本身性質(zhì)所決定的，它的網(wǎng)絡(luò)結(jié)構(gòu)較為簡單，可以在核函數(shù)映射高維空間的支持下將線性不可分轉(zhuǎn)化成線性可分[10]。孿生網(wǎng)絡(luò)對圖片特征的獲取主要是通過共享權(quán)重的主干方式，對相似點的識別則主要以特征向量為依據(jù)，因此在處于分類樣本的監(jiān)督情況下，雙胞網(wǎng)絡(luò)能夠做到差異特征類別最大化，而相同類型特征數(shù)量最小。自動巡檢機器人事故監(jiān)測可以對多元化的事故樣本進行全面收集，使得孿生系統(tǒng)在小樣本環(huán)境下具有優(yōu)秀的結(jié)果顯示。

5 結(jié)論

綜上所述，開展自動巡檢機器人故障檢測系統(tǒng)優(yōu)化設(shè)計工作，在強化控制和運算模塊的同時，采取孿生網(wǎng)絡(luò)的檢測算法，以此把控機器人能夠遵循巡檢路線來開展巡檢工作，更加準(zhǔn)確地判別巡檢路線狀況，在極端的條件下也有著較強的適應(yīng)性，自動巡檢功能表現(xiàn)較為優(yōu)越，魯棒性更加顯著，后續(xù)可以被廣泛地應(yīng)用在各工業(yè)領(lǐng)域中。